基于颜色和形状的机器人运动目标跟踪

针对类人足球机器人存在识别运动目标效果差、容易受光照变化影响等问题,提出了一种基于颜色和形状的运动目标跟踪算法:在HSI空间执行基于颜色信息的快速阈值分割,获取目标信息,加入自适应阈值更新,以增加算法的鲁棒性;利用卡尔曼滤波预测运动目标下一帧的位置,在局部范围根据目标形状信息执行优化边缘检测识别目标,获取目标准确的位置信息,然后继续跟踪.实验证明:该算法能够对运动目标进行准确跟踪,可满足实时性的要求.     

高噪声遥感图像稀疏去噪重建

高噪声遥感图像去噪一直是遥感领域研究的一个重要难题,为进一步提高高噪声遥感图像的重建质量,在经典的压缩感知迭代小波阈值算法的基础上,提出了一种改进迭代小波阈值算法.首先,提出一种自适应小波滤波算子在图像稀疏变换过程中对获取的遥感图像小波系数进行筛选,去除图像中的部分噪声信息;其次,使用提出的下降BayesShrink阈值在每次迭代过程中对获取的小波系数进行二次筛选过程;最后,使用改进的块稀疏全变差方法对获得的重建图像进行调整以进一步提高重建遥感图像的质量.试验结果表明,该算法的去噪重建性能优于经典的压缩感知迭代小波阈值算法,可以从高噪声图像中重建一幅高质量的遥感图像,验证了该算法的有效性.此外,该算法能够有效地保护遥感图像的边缘和纹理等重要特征信息.在低压缩采样比情况下,该算法也能够获得相对较高的峰值信噪比和视觉质量.在卫星地面接收站,该算法可直接使用获取的少量含噪遥感图像数据重建一幅清晰的遥感图像.     

基于均值漂移的运动目标跟踪算法研究

为了实现在复杂环境下运动目标跟踪,提出了一种基于均值漂移的运动目标跟踪算法.该算法用帧间差法在复杂背景中获取目标模型,引入卡尔曼滤波器减少均值漂移算法迭代次数、解决遮挡问题,通过调节核函数带宽来改变跟踪窗口大小,以保证获取目标完整信息.实验结果表明,该算法不需要目标的先验知识即能实现复杂背景下对运动目标稳定、准确的跟踪,对目标遮挡有很好的鲁棒性.     

一种稳健的移动机器人目标跟踪算法

为了有效地实现复杂环境下机器人运动目标跟踪,提出了一种结合卡尔曼滤波和均值漂移的目标跟踪算法.该算法首先通过帧间差法在复杂背景中获取目标模型,以机器人自身一个周期的运动作为卡尔曼滤波器的输入量,以卡尔曼滤波器的估计值作为均值漂移算法的启动点,再利用均值漂移算法得到最终目标位置,最后通过目标遮挡判定来解决遮挡问题.实验表...     

一种稳健的足球机器人目标识别算法

视觉系统是类人足球机器人获取环境信息的主要途径。在比赛中,受场地光照等比赛环境的影响,用传统的分割识别算法难以达到满意的效果。文中提出一种结合目标颜色和形状信息的识别算法。该算法在HSI空间执行基于颜色信息的快速阀值分割,获取目标像素,并且加入了自适应阀值更新,然后利用目标像素和目标形状信息执行优化边缘检测识别目标,最终获得目标在图像中准确的位置信息。实验证明：该算法能长时间在不同光照条件下稳定获取对象在图像中的位置信息,满足实时性的要求。